数据分析师的自我修养

        方法论/经验论是一种工具价值，提升做事效率，而本文要分享的是价值论，一种终极价值。这部分内容本应该在第一篇文章中写，但是当时没有写这个的心境，因此趁现在心境在，抓紧写。也欢迎大家一起讨论，每个人在工作中体会总结的都是宝贵的。

“满足业务的数据需求”是所有level数据分析师的第一要务

        在多年的数据分析工作中，我发现很多的数据分析师都容易陷入自嗨，比如他们很强调DA的独立价值，要独立发现业务改进方向然后推动业务发展，强调一个分析要是DA想到和发起的，似乎如果是业务提的需求，你做出来的价值就低人一等。我在此不是要否定这些，而是认为它们的优先级不应该放太高。

        。这句话容易让我们不太舒服，但你必须去接受它，接受背后的一个事实，就是DA多数时候是帮助业务部门看清现状和问题做决策的，这个业务部分既包括产品/运营等部门，也包括老板，这是数据分析师存在的基础，如果业务需求都满足不好，你存在的价值就不会被认可。无论是是初级/中级/高级/专家数据分析师，这个第一要务都是首先要考虑的。然后才是其他拔高事项。

        怎样才算做好了这个第一要务呢？以DAU为例，我想有以下从低到高的几个标准：

        第一，业务要看的数据能够看到，比如要知道今天的DAU是多少可以知道；

        第二，能够方便地实现第一的目的，这就涉及报表的开发，时效性的保障，直观性的优化，比如DAU以折现图展示，并配上数据标签，再展示同环比变化；

        第三，能够方便对数据做常规下钻，比如DAU经常会出现一些异动，在不断积累分析的过程中，我们会发现一些好的拆解分析方式去解释这种异动，这时你可以有意识地增加一些维度，展示这些维度数据，从而方便业务和自己快速判断异动原因，而不需要业务发现后来找数分分析，这可以大大提升决策效率。

        特别要说明的是，我将满足业务数据需求列为第一要务，并不是要数据分析师放弃原则/立场/思考，这就是我下面要重点强调的。

“忠于数据，赋能业务”是数据分析师最重要的修养

        这八个字很好理解，但不同人的理解可能不太一样。我简单梳理下自己的理解，有其他见解可以一起交流。

        “忠于数据”说的是一种态度，也是你自己的心站立的地方，它有这么几个内涵：

        首先，你要保证数据的正确性。数值要真实，不能修改甚至手动修改数据；口径要准确，对于与日常通用口径不同的数据需要明确写明每个数据的具体取数标准；问题要说明，有的时候（特别是分析中）数据的表现不一定符合预期，或者因为分布的波动影响了处理的便捷性，或者不是很置信等等，都需要以备注形式注明。

        其次，你要保证数据与目的的最佳匹配，忠于数据意味着你要把最佳的数据放在最佳的位置上，比如你要衡量push对DAU和留存的直接贡献，可以用push启动的占比算，也可以用push首启算，还可以用仅push启动算，但是哪个指标是最佳的呢？对于低活跃度的产品而言，push首启最佳，对于高活跃度产品而言，仅push启动最佳。

        最后，你需要坚守数据的思考和勇气。现实中很多数据分析师不敢与业务争论，业务要什么数据就提供什么数据，有的明知道有更合适的数据不敢抗辩，有的放弃思考不知道是不是合适，前者是缺乏勇气，后者是缺乏思考。这两种情况都会让数据分析师的自我价值感大打折扣，甚至产生职业倦怠。你就去争论一下又会怎么样呢？就算结果不如意，但你表明了你的立场，事后有问题你也可以不担责。而且我相信多数业务方是愿意沟通的。

        “赋能业务”说的是一种能力，也是自我价值的重要来源，一般有以下几种方式赋能业务：

        第一，数据可看到。有利于业务决策或者判断业务状况的数据，要让大家能够方便快捷地看到。这里涉及两块内容，一是数据看板的搭建和维护，二是临时拉取数据。

        第二，数据被正确看到。从专业的数据分析角度，完善业务方的数据需求，再去满足数据需求。很多时候由于业务方的数据盲区或者思考还不全面，所提的数据需求并不能很好达到对方的目的，或者不是最佳方案，这时是我们发挥专业性的重要时刻。

        第三，把自己当业务方。老生常谈却的确重要的方式，日常多看数据，多体验产品，有问题及时与业务方沟通，一起解决。

        第四，学会授人以渔，简单说就是想他人所想，提供数据工具，方便业务方去做分析，而不是把所有分析都压在数据分析师上。我认为这个非常重要，但却是多数数据分析师会忽视的地方，这种忽视主要是因为工作的路径依赖造成的。比如我在头部互联网企业做内容分析业务时的一个例子，内容产品，经常是需要结合用户属性和内容属性一起看内容消费，这样就可以知道什么样的人消费什么样的内容，但是数仓没有建设这样的表，怎么办？看到这，很多同学知道给数仓提需求建一个。但实际工作中这个问题长时间没人去解决，一直延续需要这个就让数分跑的工作模式，认可它没有的状态。因为数仓排期很满，等他们排期建好已经两个礼拜过去了，所以我自己去建了一个，后面交给数仓去维护。我建这个半天功夫就完成了，但却给业务方带来了很大的便利。实际工作中还有很多这样的例子，需要大家留心。

        第五，总结输出方法论。很多人，特别是leader们，会认为非常重要，而且是评判高级数据分析师是否合格的一个方面，评判一个中低级数据分析师是否能晋升的很重要方面。我认为这个事情要从不同的视角去考虑。从以盈利为目的的企业视角看，在绝大多数企业里它的重要性没有上面的其他事项高；从个人成长视角看，它的重要性很高，不仅有利于个人成长，还有利于自我价值感提升；从社会视角看，它的重要性也很高，人类知识与经验的汇聚，是一份非常庞大的力量与财富，这就是为什么我花时间在此写这些东西。

        以上，再总结下：

        “满足业务的数据需求”是所有level数据分析师的第一要务。

        “忠于数据，赋能业务”是数据分析师最重要的修养。